序一
序二
前言
第1章 什么是数据同化
1.1 利用一个简单例子认识数据同化
1.2 由简单到复杂一路走来的同化方法
1.2.1 逐步订正法
1.2.2 最优插值法
1.2.3 变分同化方法
1.2.4 滤波方法
1.3 同化方法发展前瞻
1.3.1 En3DVar（hybrid-3DVar）
1.3.2 En4DVar
1.3.34 DEnVar
1.3.4 基于机器学习的数据同化方法
第2章 NLS-4DVar：4DVar与EnKF的融合
2.1 分析格式：数据同化的朴素解释
2.2 集合的思想：从KF到EnKF
2.3 4DVar与EnKF的融合：NLS-4DVar
2.3.1 NLS1-4DVar：En4DVar的高斯-牛顿迭代解
2.3.2 NLS2-4DVar：避免使用切线性模式
2.3.3 NLS3-4DVar：固定模拟观测扰动
2.3.4 NLS4-4DVar：一次迭代的粗糙近似
2.3.5 NLS5-4DVar：NLS2？4之改进迭代格式
2.4 NLS-4DVar系列算法的数值验证
第3章 NLS-4DVar：样本生成与更新
3.1 NLS-4DVar的样本生成
3.2 NLS-4DVar的样本更新
3.3 大数据驱动的样本生成与更新
3.4 NLS-4DVar循环同化的程序实现
3.5 数值验证
第4章 NLS-4DVar：高效局地化
4.1 虚假相关与局地化
4.2 局地化相关矩阵的高效分解
4.3 局地化相关矩阵高效分解方案的验证
4.4 NLS-4DVar的局地化
4.5 NLS-4DVar局地化方案的数值验证
4.6 局地化版本NLS-4DVar系列方法在真实模式中的数值验证
第5章 NLS-4DVar：多重网格算法
5.1 变分资料同化的多重网格策略
5.2 多重网格NLS-4DVar算法
5.3 多重网格NLS-4DVar的数值验证
5.3.1 单点观测试验设计
5.3.2 单点观测试验结果
5.3.3 综合评估试验设计
5.3.4 综合评估试验结果
第6章 从NLS-4DVar到NLS-i4DVar
6.1 整体校正i4DVar
6.2 从i4DVar到i4DVar*
6.3 数值验证试验
第7章 NLS-4DVar的应用：目标观测
7.1 敏感区域识别的CNOP-4DVar混合方法
7.2 CNOP-4DVar策略的集合非线性最小二乘算法
7.3 数值验证试验
7.3.1 试验设计
7.3.2 试验结果
第8章 NLS-4DVar的应用：SNAP系统
8.1 数值天气预报数据同化
8.2 SNAP系统
8.2.1 多重网格NLS-4DVar及其局地化
8.2.2 初始样本生成与样本更新
8.2.3 系统评价指标
8.3 SNAP个例评估试验
8.3.1 试验设计
8.3.2 试验结果
8.4 一周循环数据同化试验
8.4.1 试验设置
8.4.2 试验结果
8.5 小结
第9章 NLS-4DVar的应用：“贡嘎”系统
9.1 “贡嘎”全球大气反演系统
9.1.1 “贡嘎”系统理论基础
9.1.2 大气化学传输模式与先验碳通量
9.1.3 OCO-2卫星观测数据
9.1.4 后验碳通量的评估与验证
9.2 全球碳通量数据集
9.2.1 全球碳通量评估
9.2.2 区域碳通量评估
9.3 碳通量数据集的验证
9.3.1 OCO-2独立观测验证
9.3.2 TCCON观测验证
参考文献
后记
展开
